एक दिन में आपके द्वारा उपभोग की जाने वाली सभी चीज़ों पर नज़र रखना समय के साथ बनाए रखना कठिन और कठिन है। अफसोस की बात है, एक हालिया अध्ययन से पता चलता है कि प्रभावी वजन घटाने के लिए मेहनती ट्रैकिंग एक आवश्यक तत्व है। ओबेसिटी में प्रकाशित अध्ययन के निष्कर्ष बताते हैं कि महत्वपूर्ण वजन घटाने के लिए सही ट्रैकिंग की आवश्यकता नहीं है। एक वाणिज्यिक डिजिटल वजन घटाने कार्यक्रम के उपयोगकर्ता जिन्होंने अपने भोजन सेवन की स्व-सूचना दी, उनका छह महीने तक UConn, फ्लोरिडा विश्वविद्यालय और पेन्सिलवेनिया विश्वविद्यालय के शोधकर्ताओं द्वारा पालन किया गया।
अध्ययन का लक्ष्य छह महीने के बाद 3%, 5% और 10% वजन घटाने की भविष्यवाणी के लिए आदर्श आहार ट्रैकिंग स्तर निर्धारित करना था। “हमने वेटवॉचर्स के साथ भागीदारी की, जो एक नया व्यक्तिगत अंक कार्यक्रम जारी करने की योजना बना रहे थे, और वे हमारे नैदानिक परीक्षण के माध्यम से अनुभवजन्य डेटा प्राप्त करना चाहते थे,” सह-लेखक और संबद्ध स्वास्थ्य विज्ञान विभाग के प्रोफेसर शेरी पगोटो कहते हैं।
पगोटो बताते हैं कि नया कार्यक्रम सब कुछ के लिए कैलोरी की गणना करने की आवश्यकता को समाप्त करने के लिए शून्य-बिंदु खाद्य पदार्थों की सूची सहित अंक निर्दिष्ट करने के लिए एक व्यक्तिगत दृष्टिकोण लेता है। “आहार ट्रैकिंग सभी वजन घटाने के हस्तक्षेप की आधारशिला है, और यह परिणामों का सबसे बड़ा भविष्यवक्ता है। यह कार्यक्रम शून्य-बिंदु खाद्य पदार्थों की अनुमति देकर उस कार्य के बोझ को कम करता है, जिसे ट्रैक करने की आवश्यकता नहीं होती है।”
यह भी पढ़ें: स्वयंसेवक बनने वाले बच्चों में चिंता, अवसाद होने की संभावना कम होती है: अध्ययन
शोधकर्ता और डेवलपर ट्रैकिंग प्रक्रिया को कम बोझिल बनाने के तरीकों की तलाश कर रहे हैं, क्योंकि पगोटो कहते हैं, बहुत सारे कार्यक्रमों के लिए, उपयोगकर्ता ऐसा महसूस कर सकते हैं कि उन्हें अपने शेष जीवन के लिए कैलोरी गिनने की आवश्यकता है: “यह सिर्फ टिकाऊ नहीं है। क्या उपयोगकर्ताओं को इसकी आवश्यकता है।” हर एक दिन सब कुछ ट्रैक करने के लिए या जरूरी नहीं?”
छह महीने के डेटा के साथ, संबद्ध स्वास्थ्य विज्ञान विभाग में सहायक प्रोफेसर रैन जू को यह देखने में दिलचस्पी थी कि क्या आहार-ट्रैकिंग प्रतिभागियों ने कितना किया, इसके आधार पर परिणामों की भविष्यवाणी करने का कोई तरीका था। रैन जू और संबद्ध स्वास्थ्य विज्ञान पीएच.डी. छात्र रिचर्ड बैनोर ने यह देखने के लिए डेटा का विश्लेषण किया कि क्या डेटा साइंस के नजरिए से वजन घटाने की सफलता से जुड़े पैटर्न थे। रिसीवर ऑपरेटिंग विशेषताओं (आरओसी) वक्र विश्लेषण नामक एक विधि का उपयोग करके उन्होंने पाया कि नैदानिक रूप से महत्वपूर्ण वजन घटाने तक पहुंचने के लिए कितने दिनों तक लोगों को अपने भोजन को ट्रैक करने की आवश्यकता होती है।
“यह पता चला है, आपको सफल होने के लिए प्रत्येक दिन 100% ट्रैक करने की आवश्यकता नहीं है,” जू कहते हैं। “विशेष रूप से इस परीक्षण में, हम पाते हैं कि लोगों को केवल 3% से अधिक वजन कम करने के लिए लगभग 30% दिनों को ट्रैक करने की आवश्यकता होती है और 5% से अधिक वजन कम करने के लिए 40% दिन या लगभग 70% दिन अधिक वजन कम करने की आवश्यकता होती है। 10% से अधिक वजन। यहां मुख्य बिंदु यह है कि आपको चिकित्सकीय रूप से महत्वपूर्ण मात्रा में वजन कम करने के लिए हर दिन ट्रैक करने की आवश्यकता नहीं है।
यह आशाजनक है क्योंकि पगोटो बताते हैं कि छह महीने के वजन घटाने के कार्यक्रम का लक्ष्य आम तौर पर 5% से 10% है, एक सीमा जहां नैदानिक परीक्षणों में स्वास्थ्य लाभ देखा गया है।
“कई बार लोग महसूस करते हैं कि उन्हें स्वस्थ होने के लिए 50 पाउंड वजन कम करने की आवश्यकता है, लेकिन वास्तव में हम रक्तचाप, लिपिड्स, कार्डियोवैस्कुलर रोग जोखिम और मधुमेह जोखिम जैसी चीजों में परिवर्तन देखना शुरू करते हैं जब लोग लगभग 5 से 10% खो देते हैं। उनके वजन का,” पगोटो कहते हैं। “यह पूरा किया जा सकता है यदि प्रतिभागी सप्ताह में लगभग एक से दो पाउंड खो देते हैं, जिसे वजन घटाने की स्वस्थ गति माना जाता है।”
जू ने तब कार्यक्रम के छह महीनों में आहार ट्रैकिंग के प्रक्षेपवक्रों को देखा। शोधकर्ताओं ने तीन अलग-अलग प्रक्षेपवक्र पाए। एक वे उच्च ट्रैकर्स, या सुपर उपयोगकर्ता कहते हैं, जिन्होंने पूरे छह महीने में सप्ताह के अधिकांश दिनों में भोजन पर नज़र रखी, और औसतन अपना लगभग 10% वजन कम किया।
हालाँकि, कई प्रतिभागी एक दूसरे समूह से संबंधित थे, जिन्होंने नियमित रूप से ट्रैकिंग शुरू की, इससे पहले कि उनकी ट्रैकिंग समय के साथ धीरे-धीरे चार महीने के निशान से कम हो गई, प्रति सप्ताह केवल एक दिन। उन्होंने अभी भी अपना लगभग 5% वजन कम किया है।
एक तीसरा समूह, जिसे लो ट्रैकर्स कहा जाता है, ने सप्ताह में केवल तीन दिन ट्रैकिंग शुरू की, और तीन महीने तक शून्य पर आ गया, जहां वे बाकी के हस्तक्षेप के लिए रुके थे। औसतन इस समूह ने अपना वजन केवल 2% कम किया।
“एक बात जो इस डेटा के बारे में दिलचस्प है, साहित्य में अक्सर, शोधकर्ता केवल यह देखते हैं कि ट्रैकिंग और समग्र वजन घटाने के परिणामों के बीच कोई संबंध है या नहीं। रैन ने डेटा के लिए डेटा विज्ञान दृष्टिकोण लिया और पाया कि कहानी में और भी बहुत कुछ है। पगोटो कहते हैं। “अब हम ट्रैकिंग के विभिन्न पैटर्न देख रहे हैं। इससे हमें यह पहचानने में मदद मिलेगी कि कब अतिरिक्त सहायता प्रदान करनी है और किसे इसकी सबसे अधिक आवश्यकता होगी।”
पैटर्न भविष्य के कार्यक्रमों को सूचित करने में मदद कर सकते हैं जिन्हें उपयोगकर्ता ट्रैकिंग को बेहतर बनाने में सहायता के लिए तैयार किया जा सकता है जिसके आधार पर वे किस समूह में आते हैं। भविष्य के अध्ययन इन पैटर्नों में गहराई से खुदाई करेंगे यह समझने के लिए कि वे क्यों उत्पन्न होते हैं और उम्मीद है कि परिणामों में सुधार के लिए हस्तक्षेप विकसित होंगे।
जू कहते हैं, “मेरे लिए, इन डिजिटल कार्यक्रमों के बारे में रोमांचक बात यह है कि हमारे पास प्रतिभागी व्यवहार का एक डिजिटल पदचिह्न है।”
“हम इन कार्यक्रमों के दौरान लोग क्या करते हैं, इसकी सूक्ष्म-किरकिरी तक ड्रिल कर सकते हैं। डेटा सटीक दवा दृष्टिकोणों को सूचित कर सकता है, जहां हम इस डेटा विज्ञान परिप्रेक्ष्य को ले सकते हैं, व्यवहार के पैटर्न की पहचान कर सकते हैं और एक लक्षित दृष्टिकोण तैयार कर सकते हैं।”
डिजिटल रूप से वितरित स्वास्थ्य कार्यक्रम शोधकर्ताओं को बहुत सारे डेटा देते हैं जो उनके पास पहले कभी नहीं थे जिससे नई अंतर्दृष्टि प्राप्त हो सकती है, लेकिन इस विज्ञान के लिए एक बहु-विषयक दृष्टिकोण की आवश्यकता है।
“पहले, ऐसा लगता था कि हम अंधेरे में उड़ रहे थे या केवल उपाख्यानों या आत्म-रिपोर्ट किए गए उपायों से जा रहे थे, लेकिन अब यह अलग है कि हमारे पास इतना उपयोगकर्ता डेटा है। हमें इन सभी डेटा को समझने के लिए डेटा विज्ञान की आवश्यकता है। यह वह जगह है जहां टीम विज्ञान इतना महत्वपूर्ण है क्योंकि नैदानिक और डेटा वैज्ञानिक बहुत अलग दृष्टिकोण से समस्या के बारे में सोचते हैं, लेकिन साथ में, हम ऐसी अंतर्दृष्टि पैदा कर सकते हैं जो हममें से कोई भी अपने दम पर नहीं कर सकता। यह इस काम का भविष्य होना चाहिए,” पगोटो कहते हैं।
जू सहमत हैं: “डेटा विज्ञान के दृष्टिकोण से, मशीन लर्निंग रोमांचक है, लेकिन अगर हमारे पास सिर्फ मशीन लर्निंग है, तो हम केवल यह जानते हैं कि लोग क्या करते हैं, लेकिन हमें नहीं पता कि इस जानकारी का क्यों या क्या करना है। यही वह जगह है जहां हमें नैदानिक वैज्ञानिकों की आवश्यकता है।” इन परिणामों को समझने के लिए शेरी की तरह। इसलिए टीम साइंस इतना महत्वपूर्ण है।”
